**Jag：通过直接框预测实现高效视觉定位**

_Jag: Direct Box Prediction for Efficient Visual Grounding_

> 研究人员推出了 Jag 模型，通过在预训练多模态模型中引入轻量化回归头，实现直接预测物体边界框。该方法避免了传统的序列解码，显著降低了推理延迟和显存占用，并在保持高准确度的同时提升了视觉定位效率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.13239)